_粽子_-CSDN博客

原创论文笔记：Learning Deep Features for Discriminative Localization

目的：实现弱监督的特征定位。使用方法：使用global average pooling的一般分类网络。最后结果：使用googlenet-GAP弱监督网络可以达到全监督Alexnet的定位水平。并能实现良好的扩展。 1.Abstract本文revisit了GAP方法。将它用在定位分类上，发现这个方法保留了部分定位信息，而且在ILSVRC2014上能达到37.1%的top5错误率。introd

2017-07-18 20:06:48 1128

原创 caffe模型在 digits上的finetune

之前用命令行进行finetune感觉不错，英伟达好不容易搞出这个可视化工具，结果不能进行微调岂不是滑天下之大稽? 首先解释一下finetune是什么，比如说有一个不知天高地厚的小团队要做另外一个数据集的分类。但是样本只有200多张。这样的数据量是不可能做到很精确的分类的。突然这个团队想到ImageNet有一千万张图片，有土豪已经训练好了。拿这个训练好的模型改吧改吧直接用在当前的应用场景，这就叫做

2017-05-14 13:30:08 569

原创 caffe命令行的使用实例

这次转战ubuntu虚拟机，用cpu only的模式搞事情。首先做一下图片的文件格式转换，图像文件转对应db的方式：convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME需要带四个参数：FLAGS: 图片参数组，后面详细介绍 -gray: 是否以灰度图的方式打开图片。程序调用opencv库中的imread()函数来打开图片，默认为false

2017-05-10 18:26:55 373

转载 caffe命令行解析

caffe提供三种接口，一般是c++、python、matlab。一般可执行文件都是放在 ./build/tools/ 文件夹内，在命令行执行命令必须现在该目录下。（也有可能不在说不定在别的地方，找caffe.exe就对了） caffe的命令形式如下 caffe <command> <args>其中的command有这样四种： train 训练或finetune模型（model), test

2017-05-08 13:34:25 402

solver是传说中的核心中的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为caffe train --solver=*_slover.prototxt在Deep Learning中很少能算出解析解，所以一般是用数学方法找到最优解就好。所以主要是通过前向算法和后向算法分别计算结果和反向推到梯度，以此来减小误差。从数学的角度上讲就是用一系列线性非

2017-05-08 12:48:10 377

原创 digits —segmentation demo

digits 自带一个分割项目，这里记录一下过程项目的目的是为了将空心的三角形变成实心的，也就是一个边缘检测的过程，但是又稍微不一样。这里是将内部和外部区分的一个过程。数据库的建立：分割的数据样本的要求是一个特征数据库、一个标签数据库，二者的图像尺寸一致，输入图像可以是任何形式的，而输出图像一般都是二值化的。这里建立的数据库是由脚本自动生成的。由于是在windows下运行，会有很多不便，所有

2017-05-05 11:50:49 687

转载 caffe学习：第二天

caffe中只有blob，layer，net这几个东西深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描述了信息是如何存储的，以及如何在层之间通讯

2017-05-04 17:07:58 204

转载 caffe学习：第一天

安装和测试过程已经写过就不说了。训练一个模型，模型最重要的就是学会编写prototxt。整个系统最核心的就是i两个prototxt文件，一个表示层结构，一个控制全局参数。训练出来得到caffemodel文件。数据层是模型的入口，有LevelDB，LMDB，或者直接图像文件和hdf5文件。这次就把层的结构记录下来。数据层及参数layer { name: "cifar" type: "D

2017-05-03 17:35:52 333

原创 caffe实战，deep retinal image understanding 实现

安装好caffe之后在官方网站下载model和script和image。分别代表模型，直接使用的脚本和测试图像。放到/caffe/DRIU/中。打开test.pyimport numpy as np import matplotlib.pyplot as plt import matplotlib.cm as cm import scipy.misc from PIL import Imag

2017-05-03 16:11:38 1158 1

原创 caffe使用过程+digits在windows下的安装和运行

一。模型基本组成想要训练一个caffe模型，需要配置两个文件，包含两个部分：网络模型，参数配置，分别对应*.prototxt , ****_solver.prototxt文件。Caffe模型文件解析：预处理图像的leveldb构建输入：一批图像和label （2和3）输出：leveldb （4）指令里包含如下信息： conver_imageset （构建leveldb的可运行程序） tr

2017-04-28 00:31:47 1986 1

原创 Caffe+cuda7.5+cuDNN v5.1 在windows10下安装

一般来说caffe很少在windows下安装，能在ubuntu就在ubuntu，但是之前安装双系统瞎折腾导致两个系统同时不能用，搞了一天重装系统后现在只能使用windows硬装。目前看到的windows的安装方案分为两种，第一种是伯克利官方伯克利官方的安装方案，另外一种是微软的安装方案（目前停止维护）当然还有快糙好猛的happynear方案（微软的方案傻瓜版）。看介绍还是happyne

2017-04-27 22:11:35 895

sinat_21458283的博客